“黄子镭”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果3个，建议您升级VIP下载更多相关专利

[发明专利]模型训练方法、姿态预测方法、装置、设备及存储介质-CN202110237771.2有效
发明人：徐一凡;袁燚;黄子镭;范长杰;胡志鹏 -专利权人：网易(杭州)网络有限公司
申请日： 2021-03-03 - 公布日： 2023-10-24 - 主分类号： G06T7/73 文献下载
摘要：本申请提供一种模型训练方法、姿态预测方法、装置、设备及存储介质，涉及姿态预测领域。该方法包括：获取样本图像的特征；对所述样本图像的特征进行平移姿态预测，得到所述样本图像中待预测物体的预测平移信息；对所述样本图像的特征进行旋转姿态预测，得到所述待预测物体的预测旋转信息；根据所述预测旋转信息对所述待预测物体的初始点云数据进行旋转，得到预测旋转点云数据；根据所述预测平移信息、所述初始点云数据对应的真实旋转点云数据和预测旋转点云数据，对所述物体姿态预测模型的参数进行训练。相对于现有技术，避免了由于旋转和平移的预测存在耦合，导致模型训练的收敛速度慢的问题。
模型训练方法姿态预测装置设备存储介质

[发明专利]基于深度哈希和GPU加速的大规模图像检索方法-CN201810852700.1有效
发明人：段翰聪;付美蓉;黄子镭;闵革勇;谭春强 -专利权人：电子科技大学
申请日： 2018-07-30 - 公布日： 2021-09-07 - 主分类号： G06F16/583 文献下载
摘要：本发明公开了基于深度哈希和GPU加速的大规模图像检索方法，该方法基于图片对的哈希方法，采用多任务深度学习机制，将分类损失函数与对比损失函数相结合，量化过程中，在保留图片对之间的相似性的同时，尽可能地保留图片本身的语义信息，分类任务与量化任务互相指导学习；同时，采用局部连接模块取代量化网络的全连接层，减少特征之间的冗余信息。设计并实现了更深层次的网络，深层次网络通常能够得到良好的特征表达。在汉明排序的基础上，实现了基于GPU的多层次并行检索方法。本发明不仅提高了检索精度，且能够在百万规模的图像库中完成单张检索延时0.8ms的效果。
基于深度 gpu 加速大规模图像检索方法

[发明专利]一种提取特征的卷积神经网络的训练方法及人脸识别方法-CN201710389240.9在审
发明人：段翰聪;陆川;文慧;赵子天;黄子镭;闵革勇;黄卓越;孙振兴;张帆;徐邦焱;张明 -专利权人：电子科技大学
申请日： 2017-05-27 - 公布日： 2017-12-01 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种提取特征的卷积神经网络的训练方法及人脸识别方法，识别方法包括A、估计待匹配人脸图像的姿态，并利用特征提取网络提取待匹配人脸图像的特征；B、从图像库中取出人脸图像，进行三维人脸建模得到三维人脸图像；C、每张三维人脸图像以待匹配人脸图像的姿态为中心，以P个角度调整人脸朝向并投影到二维空间，生成与待匹配人脸图像姿态相近的P张人脸图像，其中P为大于1的自然数；D、对步骤D得到的人脸图像利用特征提取网络进行特征提取；E、计算步骤E提取的特征与步骤A得到的特征的匹配度以实现人脸识别。该方法可提高在多姿态场景下人脸识别的精度。
一种提取特征卷积神经网络训练方法识别